城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响，基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验，接管请求时间分别设定为3，4，5 s，非驾驶相关任务为读新闻、看视频、玩游戏，自动驾驶车速为50 km·h^-1，试验中共招募了49名被试（男性30名，女性19名），被试的平均年龄为31.06岁（标准差为7.1岁），驾驶人在自动驾驶阶段始终执行非驾驶相关任务，听到接管请求提示后需要接管车辆的控制权，并实施紧急避让操作。研究结果表明：在紧急接管情况下，接管紧迫度对合成加速度和最小TTC有影响，而对接管时间无影响，与5 s的接管请求时间条件相比，3，4 s的接管请求时间条件下的合成加速度明显增加，而最小TTC则随接管请求时间的减少而降低；非驾驶相关任务对接管时间和最小TTC有影响，而对合成加速度无影响，与无非驾驶相关任务相比，非驾驶相关任务会显著增加接管时间和降低最小TTC；碰撞几乎都发生在3 s和4 s的接管请求时间下，5 s的接管请求时间能够基本保证接管的安全性。     

驾驶次任务沉浸等级对接管行为的影响分析

为探究自动驾驶中驾驶次任务沉浸等级对接管行为的影响,基于驾驶模拟器搭建自动驾驶接管行为测试平台,设计事故接管场景,基于驾驶次任务(娱乐任务和工作任务)和接管请求时间(5 s和10 s)因素组合开发4个事故接管情景,招募被试参与驾驶模拟实验并采集驾驶人的接管行为数据,选择速度、横向偏移、接管反应时间和接管正确时间4个指标...     

自动驾驶中视觉次任务对年轻驾驶人接管时间的影响

为了了解有条件的自动驾驶中,年轻驾驶人的接管反应特性,分析视觉次任务（3×3箭头次任务和4×4箭头次任务）和接管请求时间（TTC为5 s和7 s）对不同接管时间的影响,基于驾驶仿真平台,设计了包含不同的视觉次任务和接管请求时间的自动驾驶接管场景,针对29名年轻驾驶人进行模拟驾驶试验。使用双因素方差分析来研究不同次任务与不同接管请求时间对接管时间的影响,以及使用Pearson相关性检验来分析不同接管时间的相关性。研究结果表明：与无次任务相比,次任务会显著增加接管时间;不同的次任务对接管时间无影响,次任务与前方有障碍物时的接管请求时间对接管时间无交互作用;与前方无障碍物时的接管相比,前方有障碍物时的接管会显著减少接管反应时间;在驾驶人执行次任务的情况下,不同接管请求时间对转向反应时间和制动反应时间无影响;在前方有障碍物的接管中,驾驶人更倾向于采用制动加转向的组合操作来回避风险,且驾驶人接管回避操作中直接转向和制动加转向的组合操作的比例相同;接管反应时间与制动反应时间有较强的相关性。     

L3级自动驾驶汽车的接管安全性评价模型

为评价L3级自动驾驶车辆接管的安全性,基于驾驶模拟器设计了双向六车道高速公路环境下的接管场景并进行驾驶模拟实验,驾驶人在自动驾驶过程中始终执行视觉次任务操作,次任务为观看3种难度等级的箭头图,接管场景为自车行驶中遇到同车道前方的一辆抛锚车辆,接管请求时间设为7 s,自动驾驶车辆的速度为110 km/h。实验共计招募了49名被试(男性30名,女性19名),平均年龄为31.06岁(标准差为7.10岁)。当车辆发出听觉+视觉的接管请求信号后,被试应通过按下转向盘上的切换按钮来获取车辆的控制权。以最小TTC的组别为因变量,设定最小TTC小于等于1 s为危险组,大于1 s为安全组,利用二元logistics回归建立接管安全性评价模型。研究结果表明:7 s的接管请求时间条件下,影响接管安全性的因素主要是接管反应时间和次任务,本文中建立的接管安全性评价模型的预测准确率达85.5%。     

不同情景下自动驾驶接管行为的影响特征

为探究不同情景下自动驾驶接管行为的影响特征,面向驾驶人、自动驾驶车辆、交通环境等内容提出自动驾驶测试研究框架。基于驾驶模拟技术开发自动驾驶测试平台,通过案例验证其有效性,为自动驾驶相关技术的测试评估提供有力支撑。研究以接管场景、接管请求时间、驾驶次任务、交通流为要素设计18个高速公路接管情景,邀请被试开展驾驶模拟试验测试。从主观维度探究驾驶人对自动驾驶的适应性差异,从客观维度构建广义线性混合效应模型,研究驾驶人属性因素(性别、年龄、驾龄)和接管情景因素(接管场景、接管请求时间、驾驶次任务)的主效应及其交互作用对接管行为的影响。统计分析结果表明：①性别因素对自动驾驶的信任度和状态感知度有统计学差异,男性对自动驾驶的适应性高于女性;②驾驶人的年龄和驾龄因素对试验前和试验后的技术接受度具有显著影响,对技术信任度和状态感知度具有统计学差异,中年人和老年人、中驾龄和高驾龄人群的适应性相对较高;③不同因素水平对应的接管成功率、正确率和第一操纵行为不同。广义线性混合效应模型结果表明：①接管情景因素及其交互作用对接管行为指标具有显著影响;②模型中引入驾驶人属性因素,发现与接管情景因素存在交互效用。研究基于驾驶模拟技术开发自动驾驶测试平台的方法具有一定的推广性,研究结果可为深度挖掘自动驾驶接管行为影响因素及其作用机理奠定基础。     

驾驶员接管自动驾驶车辆研究进展

为全面认识自动驾驶接管行为特征,分析驾驶员接管行为,结合自动驾驶接管的技术和现实背景,从自动驾驶接管绩效的影响因素,包括场景、技术、心理和生理等因素,梳理国内外驾驶员接管自动驾驶车辆的研究成果,总结主要研究内容和方法,并展望其未来研究趋势.通过归纳和分析揭示了影响驾驶员接管自动车辆的因素,主要包括接管场景和接管请求方式,同时非驾驶相关任务和年龄等因素也会影响驾驶员的接管行为和表现.针对驾驶员接管的驾驶特征及行为研究,内容精确丰富,方法科学完善;而对驾驶员接管绩效评价和干预研究,重点关注在统计学的基础上,建立完善的数据指标评价体系,用于评价和干预驾驶员接管绩效.未来针对自动驾驶接管的研究,一方面寻求自动车辆技术突破;另一方面综合心理学和统计学理论基础,建立驾驶员接管能力培训体系.      

自动驾驶驾驶人接管特征研究进展

为自动驾驶驾驶人接管环节做出指导性的建议,从自动驾驶接管的影响因素和自动驾驶驾驶人接管绩效进行系统梳理,总结主要研究内容和方法,并展望其未来研究趋势。总结发现,现有研究缺少一套针对驾驶员在不同复杂度的交通环境下驾驶人行为准则,今后对于自动驾驶驾驶人接管特征的研究目的就是在清楚驾驶人有哪些行为后对自动驾驶安全接管设计提供理论支持。     

基于自然驾驶数据的跨江大桥小客车跟驰特性研究

为明确跨江大桥的跟驰行为特征以及驾驶模式,在重庆菜园坝大桥展开了30位被试的小客车实车驾驶试验,使用华测航姿测量系统和前视碰撞预警系统Mobileye 630采集自然驾驶状态下汽车的连续行驶速度、车头时距和车头间距等数据。通过筛选得到了725条有效跟驰轨迹数据,对比分析发现跨江大桥与城市一般道路的跟驰行为存在一定差异性,明确了菜园坝大桥车头时距和车头间距的分布特征,并且对强跟驰(小于1.6 s)、过渡区间(1.6~2.6 s之间)以及弱跟驰(大于2.6 s)3种跟驰状态和驾驶人性别差异下的跟驰数据进行了分析。结果表明:桥梁段车头时距分布集中在1.6 s处,车头间距分布集中在18 m处;超过1/3的跟驰轨迹处于强跟驰状态,此状态下前车驾驶行为对跟驰车辆具有较强制约性;当车辆处于弱跟驰状态时,前车对于后车的约束性会随车头时距的增大而快速降低;过渡区间的设立更好地揭示了强/弱跟驰状态之间的转变并不是只有一个临界值,而是存在一个转换过程,并且其间车辆跟驰特性的变化与驾驶人本身的操作行为存在较大关联;驾驶人的性别差异对跟驰距离几乎没有影响,但男性驾驶人往往会采取更加冒险的驾驶行为,平均车头时距、车头间距以及相对速度均高于女性驾驶人。     

自动驾驶接管绩效的影响因素、模型与评价方法综述

有条件自动驾驶系统无法应对所有驾驶场景,因而需要驾驶人在必要情况下进行接管。驾驶人的接管绩效对于有条件自动驾驶车辆的安全性、驾乘体验与接受度具有重要意义。近年来,大量文献从不同视角对驾驶人接管绩效这一主题进行了广泛研究,但仍然存在一些问题亟待解决。从驾驶人接管绩效影响因素、接管绩效模型与接管绩效评价方法3个方面综述了驾驶人接管绩效的研究现状。首先,从驾驶人因素、交通环境因素和自动驾驶系统因素3个维度对驾驶人接管绩效影响因素的相关研究进行综述。其次,对现有驾驶人接管绩效模型,包括经典统计模型、机器学习模型与结构方程模型进行总结。最后,总结了现有原始接管绩效评价指标以及接管绩效综合评价方法。分析发现：现有接管绩效影响因素的量化指标仍不够全面,现有接管绩效模型的可解释性和预测精度难以兼顾,现有接管绩效评价方法尚需进一步完善。有鉴于此,未来研究首先需要基于驾驶人群体主观评价提出接管绩效的全面评价方法,然后以此为基础从人-机-环境维度全方面探索接管绩效影响因素的量化指标,最后考虑多种影响因素的复杂关联关系,建立高精度接管绩效预测模型,从而为提升驾驶人接管绩效提供理论支持,促进有条件自动驾驶的进一...     

自动驾驶中不同变量对驾驶人接管时间和心率的影响

为研究自动驾驶中驾驶人在人机转换过程中的接管反应和生理特性,基于模拟驾驶平台设计了自动驾驶场景,对22名驾驶人进行了试验。使用双因素方差分析研究不同次任务和驾驶人性别对接管时间、驾驶人心率指标的影响,使用Pearson相关性检验分析接管时间和驾驶人心率指标的相关性。研究结果表明:与次任务为看书相比,次任务为玩手机时驾驶人的最大心率增长率、操纵时间显著增加,反应时间显著减少;与男性驾驶人相比,女性驾驶人的总接管时间显著减少;不同的次任务与性别对心率恢复平静时长无显著影响;反应时间与操纵时间之间有较小的负相关性,最大心率增长率与心率恢复平静时长有较小的正相关性。     

安全切入场景下的驾驶人初始制动时刻分析

基于中国自然驾驶项目的China-FOT数据库，研究安全切入场景下的驾驶人制动响应，为研究自动驾驶功能在安全切入场景下的控制策略开发及测试评价提供参考。首先使用人工截取车载视频的方法初步筛选出266例安全切入场景工况，通过观看车载视频提取交通环境参数（包括光照条件、切入车辆切入方向、车辆类型、横向位置变化等）以及本车驾驶人制动响应等视频数据；通过自动截取CAN总线数据提取本车车速、加速度等车辆动力学参数；并使用MATLAB图像分析的方法估算两车相对速度、相对距离等图像处理结果。然后基于提取到的工况数据，分析驾驶人响应类型及分布，得出在前车安全切入场景下，本车驾驶人保持本车道行驶的响应行为占96.24%，保持本车道行驶且同时制动的响应比例为51.13%。因此，对前车安全切入时，本车驾驶人保持本车道行驶的同时采取制动响应的行为进行了更深入的研究，以提取的136例符合此响应行为的工况数据为基础，以THW（Time Headway）值作为表征参数分析驾驶人初始制动时刻特征。预设交通环境、切入车辆参数、本车参数中可能对THW值产生影响的因素，分析THW值在预设的影响因素下的分布情况，并使用皮尔逊相关性检验验证THW值与该因素的相关关系，最终确定切入车辆类型、两车相对车速及相对距离与THW值显著相关。最后使用以上显著影响因素的参数进行聚类分析，得到5种典型的安全切入场景下的制动工况。     

手机操作类型对驾驶人跟车行为的影响（双语出版）

为了探究行车过程中手机使用模式对驾驶人跟车行为的影响,依据功能类型及使用模式将手机操作分为8类,利用驾驶模拟器开展试验,提取跟车速度、跟车间距、车头时距、横向偏移距离、方向盘转角5项指标表征车辆的横向、纵向运行状态,定义驾驶人的注视点分布信息熵、注视点区域分布比例、注视时长、扫视频率、扫视时长、眨眼频率、眨眼时长7项指标表征驾驶人眼动特性,分析驾驶人进行不同手机操作时的车辆运行特性与驾驶人视觉特性,并利用方差分析法验证上述指标作为驾驶人跟车行为衡量指标的有效性。应用灰色关联分析法对8类手机操作对驾驶人跟车行为的影响程度进行量化,并结合具体手机操作的分心内容、形式和动作时间,对具有相近功能的两两操作进行对比分析。结果表明：特定的手机操作行为对选取的各项车辆运行指标与驾驶人视觉特性指标有显著影响;对驾驶人跟车绩效影响由大到小的手机分心操作依次是发送文字信息、阅读文字信息、手持接听电话、发送语音信息、按键拨打电话、听取语音信息、语音拨打电话、免提接听电话,文字信息的编辑和阅读等操作对驾驶人跟车行为的影响大于其他手机操作;研究结果可帮助驾驶人明确不同手机操作对行车安全的危害程度。     

不同干预方式下右转车辆避让行人效果研究

为探究车辆右转过程中不同干预方式对驾驶人未规避行人行为的改善情况，设计听觉警示、触觉警示、形式惩罚、利益惩罚和道德惩罚5种干预方式，分为控制组、警示组和惩罚组，试验基于眼动仪和模拟驾驶仪展开。定义注视次数、注视点分布信息熵、平均注视时间、视线转移路径、区域关注概率和瞳孔面积6项指标表征驾驶人眼动特性，提取制动踏板深度比例、行车速度2项指标反映车辆运行状态。经方差分析确定各干预方式差异的显著性水平，从注视特性指标、扫视特性指标、瞳孔面积指标、驾驶人制动指标和机动车制动指标5个方面分析不同干预下驾驶人视觉及操纵响应特征，并收集被试反馈的追踪问卷。试验结果表明：不同干预方式对右转车辆未避让行人均有规范作用，各组干预效果由强到弱依次为利益惩罚、道德惩罚、形式惩罚、触觉警示和听觉警示。利益惩罚性主动干预效果优势显著，注视点分布信息熵最高为0.74，右侧平均注视次数为6次，平均注视时间增加至13.25 s，驾驶人对右侧注视概率增加至0.403，瞳孔面积明显增大，制动踏板深度比例维持在0.8，右转车速下降至20 km·h^-1以下，谨慎驾驶程度和避让行人意识均有提升。一致性追踪问卷调查表明，结束试验时32%的驾驶人对利益惩罚印象深刻，驾驶人对其主观认可度高达83%，具有较强的推广性；该干预方式可帮助驾驶人规范驾驶行为，树立避让行人的安全驾驶意识。     

人机共驾智能车驾驶模式决策属性析取研究

为了深入分析驾驶模式决策影响因子,通过实车试验采集了人-车-路多源特征信息。用驾驶人主观经验将驾驶模式划分为人工驾驶、警示辅助、自动驾驶3种状态,并利用采集的驾驶人血流量脉冲（BVP）和皮肤电导（SC）值进行K均值聚类,将驾驶人当前合适的驾驶模式自动聚类为3级。通过融合驾驶人自汇报结果和聚类结果对驾驶模式进行准确标定。采用以信息增益为依据的Ranker算法对多特征进行排序,并在此基础上,根据多分类器分级结果确定最优特征属性集合。研究结果表明：当选取车速、车头时距、车道中心距离、前轮转角标准差、驾驶经验5个指标为特征子集时,支持向量机、朴素贝叶斯及K近邻这3种分类器的识别准确率都超过90%;除警示辅助模式与自动驾驶模式下的车速值和车道中心距之外,其余所有不同模式决策属性值均呈显著性差异;研究结果可为人机共驾智能车驾驶模式决策提供依据。     

驾驶时间对营运驾驶员驾驶能力影响的试验研究

针对影响交通安全的疲劳驾驶问题,以公路客运行业的营运驾驶员为研究对象,应用人机工程学和试验心理学的理论方法按驾驶时间的不同设计了区组对比的试验方案,并用试验仪器现场采集了99个样本的试验数据,利用F检验和H检验等统计学方法分析了驾驶时间对驾驶员驾驶能力的影响。结果表明:驾驶时间在8~12 h之间,驾驶员的反应能力和注意能力会显著降低,而驾驶员的感知能力和操作能力的降低不明显;驾驶员的主观疲劳感受随驾驶时间的变化不明显。